500 años hacia afuera
Hemisferios cartografiados, órbitas medidas, galaxias fotografiadas. La exploración exterior fue el proyecto de la humanidad. La próxima frontera no está en la distancia: está en la precisión de lo que ya está aquí.
Rancagua · Chile · I+D aplicada
No pretendemos que la IA lo sepa todo. Diseñamos el patrón que le da un ancla real a la IA moderna.
Validar todo el lenguaje humano en una caja negra es inviable. Creamos arquitectura neuro-simbólica determinista: un método en C++23 donde cada afirmación crítica se ancla a un espacio continuo [-1, 1]³ y a un grafo auditable. La IA propone. El silicio verifica.
01 — Origen
Rancagua, Región de O'Higgins. Semantic Geometry no empezó en un laboratorio financiado ni dentro de una corporación tecnológica. Empezó con una intuición que su autor sostuvo durante décadas de desarrollo autodidacta: que una idea, un sentimiento o una ley física se pueden ubicar exactamente en el espacio.
El significado humano no sería entonces una definición estática en un diccionario alfabético, sino una posición matemática en un espacio continuo de coordenadas. Si la Tierra tiene latitud, longitud y altitud para situar cualquier objeto sobre su superficie, el pensamiento debía tener sus propios ejes cartesianos: un GPS del conocimiento.
Años más tarde, al revisar la literatura formal, esa intuición resultó converger con el linaje de la psicometría clásica: la medición de actitudes de Louis Thurstone y el diferencial semántico de Charles Osgood. No era una idea huérfana; era una idea que llegaba tarde a su propia tradición científica.
De ahí viene la postura técnica que define a la empresa. Frente a modelos que aciertan la mayoría de las veces sin poder explicar por qué, que no distinguen lo que saben de lo que inventan y que dependen de servidores gigantescos, Semantic Geometry se construyó sobre el principio opuesto: el modelo propone, pero el grafo y el cubo verifican.
Existe también una paradoja hermosa y profundamente honesta en este viaje: este motor existe para disciplinar y anclar a los modelos de lenguaje, pero sin ellos jamás habría visto la luz. Durante décadas, la geometría semántica fue una intuición solitaria guardada en cuadernos y pruebas locales. Habría tomado una vida entera estructurar a mano millones de conceptos, mallas normativas y pruebas rigurosas en C++23. La IA generativa fue el catalizador cognitivo: el andamio que aceleró la exploración y permitió materializar la arquitectura. Su autor reconoce con gratitud ese aporte: los LLMs fueron el fuego que permitiría forjar el ancla que hoy les da cordura.
Capacidad del hipercubo [-1,1]³
Hardware / IEEE 754puntos únicos representables
Por eje 2046·2⁵² + 1 9.214.364.837.600.034.817
1 signo · 11 exponente · 52 mantisa — IEEE 754 binary64
Recalculable desde la especificación IEEE 754. Los 1022 exponentes que dan |x| < 1, más el que da exactamente ±1 con mantisa cero, por los dos signos.
Ocupación actual en producción
semantic.db v8.0conceptos en el grafo
Relaciones ontológicas 4,75M (aristas tipadas activas)
884k sinónimos
Medido en vivo en semantic.db (2.064.828 conceptos / 4.747.027 links / 884.322 sinónimos). Cero datos sintéticos.
Los modelos modernos aún no exploran este espacio — y no tienen por qué: la puerta de entrada ya existe. La IA propone, la geometría verifica, y el cubo es el terreno donde ese contrato se firma a costo casi cero. No decimos que la IA debió llegar antes: decimos que la puerta ya está abierta.
Si cada concepto ocupa un punto del cubo —como cada átomo ocupa un punto del espacio físico—, el cubo tiene capacidad para tantos conceptos como átomos cabrían en ~6 millones de Tierras.
La Expansión hacia Adentro
Durante cinco siglos la humanidad se expandió hacia afuera: cruzar océanos, medir continentes y lanzar telescopios. Semantic Geometry propone la exploración interior: un espacio que no se conquista con distancia, sino con precisión. 7,82 × 10⁵⁶ posiciones direccionables en silicio común a 15 watts.
Hemisferios cartografiados, órbitas medidas, galaxias fotografiadas. La exploración exterior fue el proyecto de la humanidad. La próxima frontera no está en la distancia: está en la precisión de lo que ya está aquí.
Von Neumann nos dejó un bus lineal: la memoria como una calle por la que todo pasa en fila. SG hace lo contrario: lo similar vive junto. El conocimiento no se recorre — se encuentra. Índices espaciales en SQLite, localidad física en silicio.
La industria comprime las palabras a un bit (BitNet) y sigue alucinando barato. Comprimir el lenguaje no le da dónde vivir. SG le da a la verdad un domicilio: coordenadas (x, y, z) en el cubo. La verdad no depende de la labia: depende de su dirección.
O'HIGGINS · CHILE
“O'Higgins ha extraído cobre para el mundo durante un siglo. La Expansión hacia Adentro propone otra extracción: un hipercubo semántico casi sin límites, donde la IA encuentra en vez de inventar.”
La densidad IEEE 754 no es uniforme en [-1, 1]: es ~2048× mayor cerca de 0 que cerca de ±1. La resolución efectiva varía por región.
La resolución útil no la limita la numérica, sino la separación semántica real entre conceptos (coordenadas típicamente a ~0,01–0,5). El margen de crecimiento es de varios órdenes de magnitud.
La capacidad no es el logro. El logro es que el contenedor no impone techo: el grafo puede crecer órdenes de magnitud sin cambiar de arquitectura.
Dos formas de responder cuando no se sabe
Modelo generativo
Responde siempre. Si el dato no está, lo construye plausible: la fluidez y la veracidad salen del mismo mecanismo, así que desde afuera no hay manera de distinguir una de otra.
Verificador determinista
Tiene permitido callar. La geometría orienta la inferencia, pero sólo la evidencia del grafo la certifica. Cuando no la hay, el sistema lo dice: la negativa es una respuesta, no una falla.
La diferencia no es quién acierta más. Es que uno puede equivocarse sin saberlo, y el otro no puede afirmar sin evidencia.
02 — Verticales
Sobre el núcleo de verificación determinista construimos verticales reguladas: dominios donde una alucinación cuesta plata, un juicio o una multa. Cada una declara su fase con honestidad, sin humo.
Operación de flotas
Geocercas, telemetría y control de flotas en C++23
Motor header-only C++23 con REST + tracker TCP, aislamiento multi-tenant y telemetría de hardware. Diseñado para operar 100% offline, en el borde.
Contabilidad y tributaria · Chile
Nómina, RLI y balance tributario determinista
Cálculo normativo chileno sin heurística: liquidaciones Previred, RLI ProPyme y balance financiero vs tributario. Cada resultado es auditable contra la ley.
Crédito y banca · Chile
Simulación de crédito con amortización trazable
Simulaciones de crédito y tablas de amortización con auditoría completa: cada decisión de pago queda respaldada por el motor, lista para fiscalización.
Derecho laboral · Chile
Grounding ontológico de la normativa laboral
Aplicación del motor de verificación al derecho: afirmaciones laborales validadas contra el grafo y la norma, con linaje formal y trazable hasta la ley.
Ninguna vertical compite con un LLM en generación de texto: compite en lo que un LLM no puede prometer: una respuesta que sabe cuándo callar y que puede mostrar la norma que la funda. Y donde el LLM no llega —sin conectividad, en silicio estándar, en el borde—, el motor sí.
03 — Pilares
No vendemos horas de desarrollo genérico. Cada pilar resuelve un tipo distinto de problema, con el mismo criterio: estructura explícita, desempeño medible y resultados que se sostienen en el tiempo.
Construimos la plomería donde el dato llega íntegro y a tiempo. Pipelines ETL tolerantes a fallos, optimización de flujos y microservicios robustos, dimensionados para volumen real de producción.
Unimos la geometría de los espacios latentes con la solidez de los grafos ontológicos. La IA generativa propone; nuestro motor neuro-simbólico verifica y ancla con evidencia matemática.
Algoritmos analíticos para problemas que no admiten aproximaciones. Optimización combinatoria, geoespacial y financiera aplicada a operación industrial y toma de decisiones reguladas.
05 — Paradigma & Recuperación
El mercado busca resolver la alucinación con RAG (búsqueda por similitud). Explicamos por qué la similitud vectorial no es verificación y cómo la geometría aporta la certeza que le falta al RAG.
| Dimensión | Grounding Semántico SG | RAG Tradicional (Vector DB + LLM) |
|---|---|---|
| Mecanismo de Recuperación | Proyección matemática continua en [-1, 1]³ y búsqueda transitiva de caminos en grafo formal. | Búsqueda por similitud cosmética de texto (distancia coseno de embeddings) inyectada en el prompt. |
| Garantía Ontológica | Determinista: si no hay camino causal con soporte en el grafo, responde NO_EVIDENCE y calla. | Nula. El LLM puede alucinar, omitir o contradecir los propios párrafos que el RAG recuperó. |
| Costo por Consulta | 0 tokens para verificar. Toda la verificación ontológica corre en memoria en C++23 local. | Alto. Miles de tokens por llamada para pagar la ventana de contexto de los documentos inyectados. |
| Latencia de Respuesta | Sub-milisegundo (p50 0,37 ms en escritorio / 1,37 ms en micro-dispositivo, en silicio nativo). | Segundos (2.000 ms a 6.000 ms entre búsqueda vectorial y generación autoregresiva). |
| Infraestructura & Energía | 15 Watts en hardware estándar local. Opera 100% offline sin GPU ni nube. | Bases de datos vectoriales en nube, granjas de GPUs de alta potencia y conectividad obligatoria. |
| Manejo de Contradicciones | Incompatibilidad topológica: detecta colisiones de reglas y las rechaza formalmente. | Funde textos contradictorios en una redacción elocuente pero falsa ("alucinación suave"). |
| Trazabilidad y Auditoría | Demostrable: cita el nodo exacto, peso y fuente legal o técnica de cada enlace. | Aproximada: señala qué documento leyó, pero no puede probar cómo llegó a su conclusión. |
Qué gana Semantic Geometry:
Verificación formal auditable, latencias de microsegundos (<0.2 ms vs 2-6 segundos en GPU), costo cero de tokens y protección ante contradicciones. Requiere estructurar las reglas críticas de la organización.
Qué gana el RAG tradicional:
Facilidad para ingerir montañas de documentos no estructurados (PDFs, transcripciones, notas) sin modelado ontológico previo. Pierde el control de veracidad y la capacidad de auditar la lógica.
Semantic Geometry y el RAG no tienen por qué competir: SG es el guardián de salida que hace que el RAG sea viable en producción.
La similitud de texto no es verdad ontológica. RAG encuentra texto parecido; Semantic Geometry demuestra si la afirmación es cierta en el mundo real.
06 — Laboratorio en Producción
Explora las instancias reales del motor operando en tiempo real sobre diversas verticales y protocolos.
Vertical Automotriz
Decode de VIN, homologación SII y desambiguación de modelos en tiempo real.
Vertical Retail & Navegación
¿Dónde está el yogurt en el supermercado? Resolución de pasillos y categorías en O(1).
API Model Context Protocol
Agentes autónomos y LLMs consultando y verificando afirmaciones contra el cubo.
Sitios en vivo desde una netbook de 15 W, sin GPU ni nube.
Estado actual
Semantic Geometry no está terminado. Está construido para no mentir mientras no lo esté.
Un modelo con cobertura incompleta que rellena los huecos es más riesgoso que uno con la misma cobertura que calla. Para operación industrial y decisiones reguladas, esa diferencia no es un detalle: es el producto.
04 — Identidad & Contacto
Cuéntanos qué sistema necesitas construir, qué pipeline se está cayendo o qué decisión no puedes sustentar hoy. Respondemos con un diagnóstico técnico, no con un brochure.
Este formulario abre tu cliente de correo con el mensaje ya redactado. Nada se envía a un servidor intermedio.